Kodning?! 🐍

• Hvad er jeres erfaring (hvis I har nogen)?

• Hvordan forstår i “kodning”; hvorfor bruger vi ikke bare Excel eller lign.?

• Hvis I har erfaring; er det en god erfaring? Hvordan lærte i det bedst; hvad var svært?

“Kodning” vs. Excel

Reproducerbar, skalerbar, fleksibel og automatisering!

Når Excel kommer til kort:

• Analysere 100.000-vis af rækker data.

• Gentage den samme analyse hver [dag/måned/år] med nye data.

  • I Excel: hvis data ændrer sig, skal vi gentage alle klik.

• Dokumentere præcist, hvad vi har gjort, så en kollega kan gentage det.

• Kombinere data fra [mange] forskellige kilder.

• Lave avancerede statistiske modeller.

Python; et kodesprog

Tænk på kodning som et meget detaljeret opskrift. Så fremfor en abstract “bland ingredienserne” (Excel; peg-og-klik), skriver vi:

import pandas as pd # Hent data fra URL from io import StringIO url = "https://tinyurl.com/3p843y7k" data = pd.read_csv(StringIO(csv_data)) # Beregn gennemsnit for hver måned monthly_average = data.groupby('month')['sales'].mean() print("\nMånedlige gennemsnit:") print(monthly_average)

Reproducerbar

Hvordan fik du resultatet?

monthly_average = data.groupby('month')['sales'].mean()

Alle trin i koden er en komplet log over hvad du har gjort ved dataen for at få dit output.

Når næste års data kommer, ændres blot url = "https://...." til den nye data og det hele køres igen.

Skalerbarhed

Den samme kode, der arbejder med 100 rækker, kan håndtere millioner af rækker uden problemer. (Flere rækker betyder dog logisk nok mere computerkraft og tid)

Fleksibilitet

Python har tusindvis af specialiserede “værktøjskasser” (biblioteker) til alt fra grundlæggende statistik og datahåndtering til machine learning og kunstig intelligens.

Automatisering

Skriv koden én gang, kør den hver dag/uge/måned/år automatisk.

Kodning: Kommunikation med maskinen

Kodning skal være utvetydigt og logisk struktureret for at maskine “forstår” os.

I skal på kurset oparbejde en algoritmisk tænkning.

Spg.: Hvad tænker I når i hører ordet Algoritme?

• Algoritmisk tænkning:

  • Dekomposition: Bryde komplekse problemer ned i mindre, håndterbare dele
  • Mønstergenkendelse: Identificere ligheder på tværs af forskellige problemer
  • Abstraktion: Fokusere på de væsentlige aspekter og ignorere irrelevante detaljer
  • Algoritmedesign: Step-by-step løsninger der kan automatiseres

Hvorfor Python? 🐍

• (Relativt) simpelt.

• Stor brugerbase.

• Omfattende biblioteker til alle forskningsområder.

Kodning af en tanke til handling i 4 niveauer

Niveau 1: Menneskelig tanke

“Jeg vil finde gennemsnittet af mine salgstal”

Niveau 2: Algoritmisk tænkning

“Læg alle tallene sammen, divider med antallet af tal”

\[ \bar{x} = \frac{x_1 + x_2 + x_3 + \ldots + x_n}{n} = \frac{\sum_{i=1}^{n} x_i}{n} \]

Niveau 4: Maskinsprog

Maskinen forstår ikke Python (?!)

• Computeren forstår kun maskinkode. Hvilket er lavniveau instruktioner bestående af \(1\)-taller og \(0\)’er (binary), som CPU’en kan arbejde med.

• Python fortolkeren oversætter altså koden til noget som maskinen kan forstå: og Python er muligt nemmere at læse for mennesker end maskinkode.

• Denne oversættelse forgår i en mellemform (assembly-sprog), der er meget mere besværligt at arbejde med end Python, a la:

LOAD data
ADD all values
DIVIDE by count
STORE result

Som I maskinkode kunne se således ud:

10110000 01100001

Process:

Høj-niveau:

total = sum(data)  
gennemsnit = total / len(data)

Mellem-niveau:

LOAD data
ADD all values
DIVIDE by count
STORE result

Lav-niveau:

10110000 01100001

for tal in data['sales']: if tal > 10000: print("Højt salg:", tal)

\[ \begin{aligned} \textbf{for hvert } \text{tal} ~ i ~ \text{salgstal}: \\ \quad \textbf{hvis } \text{tal} ~større~end~ 10000: \\ \qquad \textbf{udskriv} ~ \text{tal} ~~ \end{aligned} \]

Variable og Pythons hukommelse

Bemærk: data har virket flere steder i vores kode, selvom vi kun har indlæst den én gang.

pris = 100 moms = pris * 0.25 total = pris + moms print(total)

Funktioner: Genanvendelige “opskrifter”

Defination af funktioner svarer til at lære maskinen en ny “kommando”. Nu kan vi sige beregn_moms(tal) og maskinen ved præcist, hvad den skal gøre, fordi vi har defineret hver eneste trin.

def beregn_moms(pris, moms_sats=0.25): return pris * moms_sats

Den fundamentale erkendelse om maskiner

Maskiner er utroligt dumme men utroligt hurtige og pålidelige. De kan kun gøre simple ting som:

• Gemme tal
• Sammenligne værdier
• Hoppe til forskellige dele af koden
• Gentage instruktioner

Men de kan gøre disse simple ting milliarder af gange per sekund uden fejl.

Kodningens kunst ligger i at bryde komplekse menneskelige problemer ned til disse simple operationer og derefter komponere dem sammen til kraftfulde løsninger.

Computational Social Science

Eks.: Digitale metoder til kriminalitetsforståelse

Vi flytter fra små, lokale undersøgelser til analyser af massive datasæt der kan afsløre mønstre, vi aldrig kunne se før.

# Find tilbagefalds-mønstre i nationale registre url = "https://tinyurl.com/3ja8pcfv" recidiv_data = pd.read_csv(url) risiko_faktorer = recidiv_data.groupby(['krimtype', 'tidligere_domme']).agg({ 'dage_til_tilbagefald': 'median' }) print(risiko_faktorer)

Spatial kriminologi: Når kriminalitet [data] får koordinater

import pandas as pd import matplotlib.pyplot as plt from sklearn.cluster import DBSCAN from io import StringIO url = "https://tinyurl.com/4r8tj95v" crime_data = pd.read_csv(url) coords = crime_data[['latitude', 'longitude']] clusters = DBSCAN(eps=0.005, min_samples=2).fit(coords) # Visualiser på kort fig, ax = plt.subplots(figsize=(12, 8)) scatter = ax.scatter(crime_data['longitude'], crime_data['latitude'], c=clusters.labels_, cmap='viridis', alpha=0.7, s=60, edgecolors='black', linewidth=0.5) ax.set_xlabel('Longitude') ax.set_ylabel('Latitude') ax.set_title('København Kriminalitets Hot Spots\n(Farver viser clusters)') ax.grid(True, alpha=0.3) # Tilføj colorbar cbar = plt.colorbar(scatter) cbar.set_label('Cluster ID (-1 = støj/outliers)') plt.tight_layout() plt.show()

Predictive Policing: Algoritmer der forudsiger [data] kriminalitet

from sklearn.ensemble import RandomForestClassifier # Features: vejr, tid, lokation, historiske data features = ['temperature', 'hour', 'day_of_week', 'previous_crimes_30days', 'unemployment_rate', 'distance_to_school'] # Train model til at forudsige risiko for kriminalitet model = RandomForestClassifier(n_estimators=100) model.fit(historical_data[features], historical_data['crime_occurred']) # Forudsig risiko for i morgen tomorrow_risk = model.predict_proba(tomorrow_data[features]) high_risk_areas = tomorrow_data[tomorrow_risk[:, 1] > 0.7]